组建高效分析团队的七个优秀实践

大数据 数据分析
高效的分析团队可以在缺乏洞察力和超越竞争对手的巨大飞跃之间发挥重要作用。但是企业并不能在一夜之间组建这样的分析团队。将合适的人员和合适的技能组合在一起需要勤奋工作和共同努力。

数据驱动的成功取决于强大、多样化、跨职能的数据团队。IT领导者需要采用创建和维护团队的技巧,以提供敏锐的数据洞察力。

[[429550]]

如果企业部署了最新和最好的数据分析工具,但未能组建高效的分析团队,那么会发生什么?将会失去创收机会,并浪费大量的时间和费用。

高效的分析团队可以在缺乏洞察力和超越竞争对手的巨大飞跃之间发挥重要作用。但是企业并不能在一夜之间组建这样的分析团队。将合适的人员和合适的技能组合在一起需要勤奋工作和共同努力。

医疗保健提供商UnityPoint Health公司首席信息官Laura Smith表示:“企业面临的最大挑战之一不是数据收集本身,而是建立一个在整个组织中应用数据并推动变革的团队。

在过去的18个月,建立和维持一支成功的团队从未像现在这样具有挑战性,尤其是在医疗领域。对我来说,我职业生涯中最大的成功是我在UnityPoint Health公司建立的团队。这绝非易事,因为分析市场竞争激烈。”

然而这是可以做到的。以下是分析团队需要牢记的一些最佳实践。

1.提供现代、有效的工具以及有意义的工作

一流的数据分析师必须拥有使他们成功的设备和数据访问权限。

全球IT咨询机构NTT Data Services公司的数据和分析业务负责人Theresa Kushner说:“我见过许多分析师对工作感到沮丧并离职,因为他们的笔记本电脑使用了五年,已经难以管理他们需要处理的数据量。或者他们被拒绝访问构建正确算法所需的数据。企业需要确保其分析师拥有最新的硬件、最新的软件和数据访问权限,这些是数据分析师获得成功的基础。”

提供有意义的工作也是如此。Kushner说:“如果所做的工作不会对整体业务产生有利影响,没有哪一位数据分析师愿意加入这样的团队。这意味着选择有影响力的项目。这说起来容易做起来难,但这对于建立一个可信的数据分析团队来说至关重要。”

Smith表示,团队领导者需要向团队成员展示他们的工作对整个世界的意义。她说:“我想很多人都想知道其所做的工作如何为企业获得更大的利益做出贡献。在医疗保健行业,我们把这视为一种使命。我们都是凭借自己独特的技能和才能来实现这一使命的。”

Smith指出,对于Unity Point公司的分析团队来说,确定分析师可以对企业产生的积极影响是关键。她说。:“每当我招募分析师时,我都会把这个因素放在首位。他们也想知道正在做的事情如何为获得更大的利益做出贡献。”

Smith表示,例如分析团队在确保患者和员工在疫情期间拥有足够的个人防护设备(PPE)方面发挥了关键作用。该团队创建了一个仪表板,将个人防护设备(PPE)数据汇总在一起,为企业领导者显示有意义的信息。她说,“有了可操作的数据,企业领导者可以自信地实时做出数据驱动的供应决策,确保患者和团队成员的健康和安全。”

2.通过内部培训计划培养人才

数据分析行业的人员短缺是有据可查的,而招募这些人员的竞争非常激烈。拥有更多资源的企业应考虑提供有助于培养内部人才的培训和持续学习计划,这其中包括内部课程或外部课程。

这些培训计划可以采用导师制的形式,或者采用将跨职能团队聚集在一起分享经验和知识的形式。

美国航空航天局(NASA)喷气推进实验室的首席信息技术顾问James Rinaldi说:“通过将数据分析人员与经验丰富的分析类型领导相匹配,在他们的早期职业生涯进行培养,他们就会快速成长,但需要给他们一些项目去做,让他们以自己的速度前进,并让他们了解数据架构和企业文化是如何运作的。”

Rinaldi说,开发项目有机会将企业跨职能团队聚集在一起。他说:“培训初级成员增加一些成本是值得的,这让他们体验和了解在自己组织之外的事情是如何运作的。”

Rinaldi说,让员工参与到各种项目是一个好主意。他说,“不要让他们只局限于一个领域。”

3.构建卓越的团队

在职业体育运动中,除了提供更高的薪酬之外,吸引优秀的球员自由加盟往往是成为一支获胜球队的机会。同样在分析团队中,当团队中存在优秀人才时,可能更容易吸引其他的优秀人才。

Kushner说,“卓越的团队吸引卓越的人才。如果正在建立一个数据分析团队,那么让第一个员工成为真正的超级巨星是非常值得的。”

他表示,这并不意味着分析团队成员必须是最负盛名的大学之一的顶尖毕业生。但是这个人应该拥有使用数据改变业务的良好记录。

库什纳说,“不要认为分析师必须拥有数据科学博士学位,但数据分析团队的关键人物一定是最了解企业业务的人。这也意味着他们必须在精神上保持一致,并理解整个团队的目标。”

4.将多样性作为优先事项

员工队伍的多样性是当今许多企业关注的焦点,数据分析团队应该成为这项工作的一部分,其中包括不同的工作经历。

DoorDash公司分析和数据科学副总裁Jessica Lachs说:“企业需要组建一支具有不同专业背景的团队。”DoorDash公司主要开发在线食品订购和交付平台。

Lachs说:“经常有人问我,我们招聘团队成员的标准是什么。当我告诉他们没有标准时,他们会感到惊讶。一些团队成员在没有数据分析经验的情况下进入这一领域,并为DoorDash开发的平台增加了各种功能。我相信,建立一个由不同背景的人组成的团队,总体上会让团队变得更好。

虽然我们希望分析团队的成员具备编码技能和统计能力,但我们成功招聘了来自金融、咨询和经济学等各种背景的人员,我们看重的是更具可比性的技术、数据和科学背景。”

Lachs说,这种方法创建了一个拥有解决各种问题所需所有技能的团队。她说:“即使团队中的每个人都不能自己解决所有问题,但由于是一个更强大的团队,团队成员可以互相学习,可以共同应对更广泛的挑战。”

5.让团队成员开心

这不仅仅是建立一支强大团队的重要因素,也是保留住团队成员的关键。鉴于当今对数据分析师的需求,如果企业未能让分析团队成员感到满意,他们可能会离职。

因此,团队管理者应该对其成员达到里程碑目标进行奖励,并允许分析师不断提升自己并继续学习新技能。Kushner说:“数据分析师希望为他们自己和他们的公司创建一个品牌。”为此,他们需要撰写宣传有关工作的文章,并获得新软件、新流程、新方法的认证,当他们撰写文章时,鼓励他们在会议和内部展示他们的论文。让他们的工作成就公之于众,并确保提供他们取得成就的稳定信息流。”

Kushner表示,企业高管通常认为团队的可见性应该只是内部的,但这只是完成了一半。她说:“可见性需要是全行业的,企业的顶级分析师应该让其他公司可见。而为分析师提供发挥才能的场所可确保忠诚度,并为企业和组织争光。”

Kushner表示,在每个分析师的日历中安排时间考虑下一步需要做什么,记录他们正在开展的项目,而与可以提供重要信息的业务和IT人员合作是一个好主意。她说:“与数据分析师合作的趋势是推动项目,因此,企业高管需要经常推动员工的进步。”

6.与企业内部的人员互动

分析团队不应该孤岛工作,与企业中的其他团队互动有助于了解业务目标,并了解其他同事的想法和目标。它还使团队成员能够与企业中的其他人分享分析的重要性。

堪萨斯州威奇托市首席信息官Michael Mayta说,“将商业领袖纳入流程。这是一个关键方面,因为这些人了解数据,他们了解需要使用数据回答哪些问题。”

Mayta表示,分析师与业务用户的合作创造了一种学习体验,同时增强了业务流程,并加快了成果的实现。如果分析师了解原始数据,但不了解业务需求或达成解决方案所需的特定数据集,那么可能在通信或试错开发上浪费大量时间。

Smith说:“当UnityPoint Health公司建立其分析团队时,我们首先与整个医疗系统的医生和员工进行了接触。我们将来自所有不同医疗护理环境的团队成员召集在一起,听取他们的需求,并帮助他们了解使用分析来改善患者护理的重要性。”

Smith说,参与的机会超出了团队试图解决的特定问题。其他机会包括与他人互动,并通过导师计划鼓励个人发展。

她说,“与企业互动的模式一直很有效。我们与客户建立了牢固的关系,创造了一个团队成员能够提供出色解决方案的环境。他们可以直接看到自己受到重视的原因以及他们为企业做出的贡献。这对个人和团队的满意度的帮助都是巨大的。”

7.创建“数据知情”文化

一个高度重视所有数据的组织将推动分析团队的成长和增强。这就是加州长滩市的做法。

2018年,长滩市技术与创新部(TID)和公民创新办公室成立了一个数据委员会,其中涉及90%的城市部门的工作人员。在一年后,该市举办了一个为期四个月的数据挑战赛,来自各个部门的工作人员联手使用数据分析工具解决问题。

长滩市技术和创新总监Lea Eriksen说:“数据挑战赛允许参赛者提出挑战或问题陈述,这些可以从数据分析和可视化的使用中受益。我们选择了四个需要解决的问题,然后组成团队并跨部门应对不同的挑战。”

成功解决问题的一个例子是评估和绘制受过CERT培训的居民住在哪里以评估社区在紧急情况下的弹性。Eriksen说,“我们从数据挑战和数据委员会的运作中吸取了教训,用来重组我们的数据工作。” 

2021年初,长滩市技术与创新部(TID)为城市员工推出了全市范围的数据学习社区。Eriksen说:“这是一个有趣的、以学习为中心的空间,来自所有城市部门的员工可以提问,并相互分享他们如何将数据嵌入到他们的团队和部门的项目中。每隔一个月,我们就会邀请一个不同的城市团队介绍他们在长滩将数据构建到我们的DNA中所使用的工具、技术和资源。”

 

责任编辑:华轩 来源: 企业网D1Net
相关推荐

2022-04-14 10:40:11

领导者IT团队远程团队

2023-11-14 14:25:09

数据湖大数据

2022-06-28 05:54:10

机器身份网络攻击网络安全

2022-04-02 06:20:48

IT领导者数据分析团队

2012-07-02 10:14:56

2022-09-15 10:09:24

信息安全官继任计划

2022-02-23 21:18:54

托管服务提供商客户关系

2022-12-19 14:25:33

2023-11-03 15:24:39

2023-09-20 09:00:00

2023-07-11 18:32:19

UbuntuLinux应用坞

2021-09-27 09:00:00

开发微服务架构

2020-04-21 10:26:06

IT团队T主管CIO

2021-10-09 11:10:43

大数据数据分析工具

2009-02-16 16:49:53

DBA经验

2023-11-09 15:06:13

微服务开发工具

2021-12-21 22:48:17

云安全混合云云计算

2010-09-01 09:39:07

CSS

2014-07-29 13:32:15

2021-12-24 14:10:26

Linux发行版
点赞
收藏

51CTO技术栈公众号